Socially Acceptable Bipedal Robot Navigation via Social Zonotope Network Model Predictive Control

要約

この研究は、脚式ロボットのナビゲーションではほとんど研究されていない研究分野である、人間が密集した動的な環境における社会的な二足歩行ナビゲーションの課題に取り組んでいます。
我々は、二足歩行の自我エージェントの予測と動作計画を組み合わせて、周囲の歩行者との双方向の影響を考慮するゾノトープベースのフレームワークを提案します。
このフレームワークには、将来の歩行者が到達可能なセットを予測し、エゴエージェントのために将来の社会的に許容可能な到達可能なセットを計画するニューラル ネットワークであるソーシャル ゾノトープ ネットワーク (SZN) が組み込まれています。
SZN は、到達可能セットをゾノトープとして生成し、効率的な到達可能性ベースのプランニング、衝突チェック、およびオンラインの不確実性パラメーター化を実現します。
群集データセットには明示的に存在しない二足歩行ロボットの動的制限を遵守するために、移動固有の損失が SZN トレーニング プロセスに追加されます。
これらの損失関数により、SZN は追跡を改善するためにより動的に実行可能な移動経路を生成できます。
SZN は、二足歩行ロボット Digit の足跡計画のためにモデル予測コントローラー (SZN-MPC) と統合されています。
SZN-MPC は、SZN の勾配を通じて最適化することで、衝突のない軌道を解決します。
私たちの結果は、一貫した移動速度と最適性を備えた、社会的に受け入れられる経路を生成するフレームワークの有効性を実証しています。
SZN-MPC フレームワークは、広範なシミュレーションとハードウェア実験によって検証されています。

要約(オリジナル)

This study addresses the challenge of social bipedal navigation in a dynamic, human-crowded environment, a research area largely underexplored in legged robot navigation. We present a zonotope-based framework that couples prediction and motion planning for a bipedal ego-agent to account for bidirectional influence with the surrounding pedestrians. This framework incorporates a Social Zonotope Network (SZN), a neural network that predicts future pedestrian reachable sets and plans future socially acceptable reachable set for the ego-agent. SZN generates the reachable sets as zonotopes for efficient reachability-based planning, collision checking, and online uncertainty parameterization. Locomotion-specific losses are added to the SZN training process to adhere to the dynamic limits of the bipedal robot that are not explicitly present in the human crowds data set. These loss functions enable the SZN to generate locomotion paths that are more dynamically feasible for improved tracking. SZN is integrated with a Model Predictive Controller (SZN-MPC) for footstep planning for our bipedal robot Digit. SZN-MPC solves for collision-free trajectory by optimizing through SZN’s gradients. and Our results demonstrate the framework’s effectiveness in producing a socially acceptable path, with consistent locomotion velocity, and optimality. The SZN-MPC framework is validated with extensive simulations and hardware experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google